Quantification of Absorber through a Scattering Medium of Different Thickness Using Evanescent Light Piping
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A non-invasive method has been developed for analyte quantification in fluids surrounded by optically-scattering, opaque walls. This method is based on steady state, visible wavelength reflectance measurements made simultaneously at multiple positions on the surface of a sample. Previous work has shown that reflectance measurements contain information about underlying scattering layers in layered scattering samples. We hypothesise that similar information about an absorbing layer below a scattering layer can be obtained from evanescent wave effects. Principal component analysis showed the data to be composed of three components, which were refined by a multivariate curve resolution alternating least squares (MCR-ALS) approach with non-negativity constraints. The first component is related to the scattering layer thickness, the second is associated with analyte concentration and the third is due to a minor back reflection within the sample cell. Both MCR and stagewise multi-linear regression (SMLR) approaches were taken to estimate analyte concentration and scattering layer thickness, for samples having thicknesses between 1 mm and 8 mm. Results demonstrate that a simple experimental configuration can easily predict optical properties of unknown samples. With the adoption of a multi-wavelength approach to this method, it is expected that improved absorption coefficient (μ a ) estimation accuracy can be realised in a variety of application areas such as in analysis through opaque containers, in vivo measurements and in-line monitoring of reactions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle